Un ingeniero con 27 años de experiencia explica por qué ha dejado en manos de agentes de IA buena parte del trabajo mecánico que rodea al código: los mensajes de commit, las descripciones de pull requests, los comentarios, las convenciones de nombrado, la higiene de Git y la gestión de issues. El artículo describe cómo los LLM producen commits y descripciones de PR con una precisión que, según el autor, supera la consistencia habitual de los equipos humanos, y cómo los comentarios del código —con reglas claras: sin emojis, con rutas, capa arquitectónica y descripciones de una línea— son ahora un contexto valioso que los propios modelos agradecen, hasta el punto de poder señalar contradicciones con reglas previas. También aborda el nombrado de archivos, clases y módulos: tareas en las que el autor asegura haber invertido cientos de horas escribiendo guías que terminaban plagadas de excepciones, y que ahora delega en agentes para mantener coherencia incluso cuando cambia de opinión. En Git, los agentes crean ramas, etiquetan PR, escriben descripciones, actualizan checkboxes, enlazan issues y ejecutan flujos de entrega mediante habilidades específicas como /definition-of-done o /pr-check-release. El argumento central es que sumar muchas tareas pequeñas, repetitivas y olvidables consume cientos de horas por ingeniero, y que ese coste no aporta calidad: en 2026, quien no automatiza esa carga con IA está malgastando dinero y, sobre todo, tiempo.
Noticias agregadas con IA